„Nachts liest man 10000 Forschungsberichte durch und kann tagsüber die Strategien iterieren“: E Fund, GF Fund, Fullgoal Fund, China Europe Asset Management, ICBC Credit Suisse, Yongying Fund, Huatai-PineBridge und weitere Institutionen haben sich dazu geäußert, dass KI die Produktionslinie für das Investment- und Research-Geschäft von öffentlichen Fonds neu gestaltet.
Von Star-Fondsmanagern zu einem „industrialisierten Fließband“-Modell für Investmentforschung – warum setzen die führenden öffentlichen Fondsgesellschaften massiv auf „All in AI“?
„KI kann täglich über 10.000 Forschungsberichte oder Bekanntmachungen verarbeiten und am Tag die Anlagestrategien iterieren.“ Auf einer kürzlich von China Europe Fund veranstalteten Austauschveranstaltung erklärte der zuständige Mitarbeiter des Unternehmens, dass die Unterstützung durch KI die Aktualisierungshäufigkeit der Strategien des Multi-Asset-Teams deutlich erhöht habe. Am Beispiel der Wandelanleihe-Strategie wurden im vergangenen Jahr mehr als vier Iterationen abgeschlossen.
Die technologiegestützte Förderung der Investmentforschung ist kein Einzelfall unter führenden öffentlichen Fondsgesellschaften. Mit dem Aktionsplan zur Förderung der qualitativ hochwertigen Entwicklung öffentlicher Fonds, der ausdrücklich die Beschleunigung des Aufbaus eines „plattformbasierten, integrierten, multistrategischen“ Investmentforschungssystems vorsieht, gehen öffentliche Fonds mit Hilfe von Finanztechnologie umfassend in das Zeitalter des „industrialisierten Fließbands“ ein.
Eine Umfrage des Reporters von *China Fund News* bei fast 20 führenden Fondsgesellschaften zeigt, dass Finanztechnologie tief in die gesamte Kette der öffentlichen Investmentforschung integriert ist: von Datenverwaltung und Faktorenextraktion über Investitionsentscheidungen und Transaktionsausführung bis hin zu Compliance-Risikokontrolle und Leistungsbewertung. Intelligente Investmentforschungssysteme entwickeln sich von Backend-Tools zu Frontend-Leistungsträgern. Sogar einige führende Fondsgesellschaften haben intern ausdrücklich die strategische Richtung „All in AI“ festgelegt.
Von „persönlicher Erfahrung“ zu „organisationalem Vermögen“: Strategische Weiterentwicklung durch Finanztechnologie
Die Branche der öffentlichen Fonds erlebt einen historischen Wandel vom „Star-Fondsmanager“-Modell zum „plattformbasierten Investmentforschung“-Modell. In diesem Prozess wird die strategische Bedeutung von Investmentforschungssystemen von allen Unternehmen auf ein nie dagewesenes Niveau gehoben.
GF Fund positioniert das Investmentforschungssystem als „strategischen Kern“ der digitalen Transformation des Unternehmens. Die Investmentforschungsfähigkeit ist die Grundlage für das Bestehen von Vermögensverwaltungsinstituten, und das Investmentforschungssystem trägt die entscheidende Mission, diese Kernfähigkeit von „persönlicher Erfahrung“ zu „organisationalem Vermögen“ zu bündeln. Konkret sollen drei strategische Ziele auf drei Ebenen erreicht werden: die Umwandlung von Daten in vertrauenswürdiges Vermögen vorantreiben, Anlageerfahrungen zu wiederverwendbaren Methoden sammeln und den Investmentforschungsprozess von diskreten individuellen Handlungen zu einem organisatorischen geschlossenen Kreislauf machen, der planbar und nachverfolgbar ist.
China Merchants Fund hat die Positionierung seiner Technologiefähigkeit von „Gewährleistung des Geschäftsbetriebs“ zu einer Geschäftsfähigkeit aufgewertet, die „in die Geschäftsentscheidungen eingebettet ist, das Kundenerlebnis fördert und die Risikogrenzen einhält“. Das Investmentforschungssystem ist die zentrale Produktionsplattform für die digitale Transformation des Unternehmens. Sein Aufbau durchlief die Phasen der Informatisierung, Technologisierung und Digitalisierung und tritt nun in eine neue Phase der intelligenten Digitalisierung ein.
E Fund positioniert das Investmentforschungssystem als zentralen strategischen Träger zur Unterstützung der Plattformisierung von Investmentforschungsfähigkeiten, passt sich dem Managementmodell „große Plattform, kleine Teams“ an, bricht die isolierten Datensilos der Systeme auf und realisiert einen integrierten geschlossenen Kreislauf aus Forschung, Anlage, Transaktion und Bewertung. Yongying Fund betrachtet den Aufbau des Investmentforschungssystems ebenfalls als wichtigen strategischen Bestandteil der digitalen Transformation. Fullgoal Fund hat die Transformationshauptlinie festgelegt, die auf der Dreieinheit aus „Daten – Algorithmus – Rechenleistung“ basiert, und positioniert die integrierte intelligente Plattform für Investmentforschung als zentralen Produktivitätsgrundstein der digitalen Transformation und wichtigen Träger der Industrialisierung der Investmentforschung.
Was den Startzeitpunkt betrifft, gehen die frühesten Initiativen führender Fondsgesellschaften auf den Zeitraum zwischen 2013 und 2019 zurück. Obwohl der Aufbaurhythmus unterschiedlich ist, nutzen alle das Investmentforschungssystem als Durchbruch, um die digitale Transformation voranzutreiben. Bei den Investitionen verzeichnen alle Unternehmen einen kontinuierlichen Wachstumstrend. Viele Unternehmen wie Yongying Fund, Huatai-PineBridge Fund, Fullgoal Fund, ICBC Credit Suisse Asset Management, Da Cheng Fund geben an, dass die Investitionen in Investmentforschungssysteme von Jahr zu Jahr steigen und die Breite und Tiefe der Funktionen ständig ausgebaut werden. Am Beispiel von Huatai-PineBridge Fund wuchsen die Gesamtinvestitionen in Investmentforschungssysteme in den letzten drei Jahren um durchschnittlich mehr als 15 % pro Jahr, und die Investitionsstruktur wandelte sich von „hauptsächlich Hardware und Datenbeschaffung“ zur Dreieinheit aus „Daten – Rechenleistung – Personal“.
Von Forschung, Anlage, Transaktion bis zur Bewertungsverwaltung: Das „industrialisierte Fließband“-Modell der öffentlichen Investmentforschung ist entstanden
Ob das Investmentforschungssystem das Geschäft wirklich wirksam unterstützen kann, hängt davon ab, ob es sich tief in jeden einzelnen Schritt von Forschung, Anlage, Transaktion und Bewertungsverwaltung integrieren lässt. Nach den Untersuchungsergebnissen haben führende Fondsgesellschaften auf mehreren Ebenen substanzielle Fortschritte erzielt.
Erstens zeigt sich die Unterstützung auf der Forschungsseite vor allem in der „Arbeitserleichterung und Effizienzsteigerung“. China Merchants Fund hat mehrere KI-Anwendungen implementiert: Täglich werden etwa 30 Interviewprotokolle erstellt, und die Kommentare zu Finanzberichten decken 31 Branchen ab, sodass die Forscher mehr Zeit für tiefgehende Forschung aufwenden können. Das neueste von China Europe Fund entwickelte Investmentforschung-Agent integriert mehr als 100 Skills (professionelle Funktionsmodule) und deckt Szenarien wie Datenextraktion, Branchenanalyse, Finanzmodellierung und Berichterstellung ab, wodurch die Effizienz der Informationsabfrage für Forscher um mehr als 60 % gesteigert wird. Das „Fünf-Elemente-Modell“, das sein Aktienteam seit langem nutzt, wurde ebenfalls intelligent aufgerüstet: Der größte Teil der Ausfüllarbeiten kann automatisch vom System erledigt werden, was die Erstellungseffizienz um etwa 50 % erhöht.
E Fund gibt an, dass es 2026 die unternehmensweite KI-Infrastrukturplattform EWork in Betrieb genommen hat, um die großskalige Anwendung von KI-Fähigkeiten in allen Szenarien der Investmentforschung voranzutreiben. Guotai Fund hat eine dreistufige intelligente Investmentforschungsarchitektur aufgebaut: „Datenbasis – Wissensbasis – Agent-Fähigkeitsebene“. Die unterste Ebene ist ein strukturiertes Datensystem, das Kernbereiche wie A-Aktien und Fonds abdeckt, die mittlere Ebene ist eine unstrukturierte Wissensdatenbank, die Forschungsberichte, Roadshow-Protokolle und anderes Material umfasst und semantische Abfragen unterstützt.
Das Tianji-Aktienforschungsystem von Yongying Fund deckt die Sammlung von Forschungsdaten und Verwaltung von Forschungsinhalten von der makroökonomischen Ebene über die Branchenebene bis zur Unternehmensebene ab und umfasst Kernfunktionen wie Morgenbesprechungen, Simulationsportfolios und Einzelaktienempfehlungen, womit ein geschlossenes Management des Forschungsarbeitsablaufs realisiert wird. Sein Xinggu-Festzins-Investmentforschungssystem nutzt Big Data-Technologie und intelligente Bewertungsmodelle, um durch eine Microservice-Architektur die Integration von Bewertungspreisbildung, Risikoüberwachung und Strategiemanagement zu realisieren. Im Bereich der Vermögensallokation arbeiten sein Wanxiang-Multi-Asset-Intelligenzsystem, das Jingwei-Anlageverwaltungssystem und das Mingjing-Risikomanagementsystem zusammen. Die fünf Systeme bilden ein integriertes Unterstützungssystem für die Investmentforschung, das verschiedene Geschäfte wie Festzins, Aktien und Vermögensallokation abdeckt.
Harvest Fund hat seit 2018 die Digitalisierung der Investmentforschung vorangetrieben und in den letzten zwei Jahren die KI-Fähigkeiten weiter tief in die Investmentforschungsgeschäfte eingebettet. Harvest Fund ist der Ansicht, dass die Anwendung von KI im Bereich der Investmentforschung in drei Phasen unterteilt werden kann: Produktion, Interaktion und Entscheidungsfindung. Derzeit hat KI in den beiden Phasen Produktion und Interaktion einen enormen Wert entfaltet. Auf der Produktionsseite steigert KI die Effizienz der Informationsbeschaffung, -verarbeitung und -strukturierung erheblich. Auf der Interaktionsseite wird eine personalisierte und präzise Informationsübermittlung realisiert, sodass Fondsmanager schnell Informationen einsehen können, die in hohem Maße mit ihren eigenen Portfolios zusammenhängen.
Peng Hua Fund gibt an, dass es sich auf den Aufbau digitaler Grundfähigkeiten konzentriert, das technische System zur Unterstützung des Geschäftsbetriebs ständig verbessert, die Barrieren für den Informationsfluss abbaut und die Effizienz und Stabilität des Gesamtbetriebs steigert. Die selbst entwickelte intelligente Investmentforschungsplattform des Unternehmens integriert zahlreiche Funktionsmodule wie Massen-Basisdaten, Meinungsüberwachung, Faktoranalyse und Portfoliorisikomanagement, bietet Fondsmanagern Echtzeit- und mehrdimensionale Entscheidungsunterstützung und verbessert gleichzeitig die Breite und Tiefe der Forschung von Forschern erheblich.
Zweitens konzentriert sich die Finanztechnologie auf der Anlageseite darauf, die Breite und Tiefe der Entscheidungsfindung zu erweitern, und hat sich von einem einzelnen Punkt-Tool zu einem multistrategischen Portfoliomanagementsystem entwickelt.
GF Fund hat im Bereich des aktiven Aktienmanagements ein multistrategisches Portfoliomanagementsystem aufgebaut, das über den Fondsmanager-Arbeitsplatz eine vollständige Kette der Datenaggregation und modularen Anordnung realisiert und durch die getrennte Verwaltung von Platzierung und Bestand die Probleme der Ertragsrückverfolgung und Portfolio-Durchsichtigkeit löst.
Im Bereich des Festzinsgeschäfts realisiert GF Fund einen hohen Grad an Online-Geschäftsabwicklung und Intelligenz auf dem außerbörslichen Markt und bei den Interbank-Geschäftsabläufen. Das integrierte Einlagensystem wandelt verschiedene verstreute Offline-Vorgänge zu einem integrierten Managementmodell für den gesamten Lebenszyklus um. Das Neuanleihensystem durchdringt den gesamten Prozess des Primärmarktes, und intelligente Handelsroboter steigern die Effizienz von Repo- und Kassahandel erheblich.
Qu Jing, Vorsitzender des quantitativen Investmentausschusses von China Europe Fund, erläuterte, dass große Sprachmodelle die Effizienz der Codeerstellung und IT-Entwicklung erheblich verbessert haben. Tiefere Veränderungen ergeben sich aus der Erweiterung des Datenbereichs: Große Sprachmodelle können Bekanntmachungen, Nachrichten, Untersuchungsprotokolle und Branchenmaterialien lesen, neue Aktienauswahlmerkmale aus den Texten extrahieren und eine geringe Korrelation mit herkömmlichen Preis-Mengen-Strategien bilden, was zur Erhöhung der Stabilität der Strategiegrundlage beiträgt.
Fullgoal Fund hat die spezialisierten Systeme für die drei Kern-Geschäftslinien Aktien, Festzins und Quant vollständig selbst entwickelt und in Betrieb genommen und baut schrittweise ein Investmentforschungssystem mit der Geschäftsform „Zusammenarbeit mehrerer Produkte, mehrerer Strategien und mehrerer Manager“ auf. China Asset Management hat die Portfoliomanagementfunktionen für Geldmarktfonds und Anleihenfonds sowie das Unterstützungsmanagement für den Betrieb von Anleihen-ETFs aufgebaut und Funktionen wie die Echtzeit-Bewertung von Geldmarktfonds, die Echtzeit-Aktualisierung der Bestände von Fonds-Produkten, die Verteilung der Bestandstruktur und die Durchdringung der Anlageklassen realisiert.
Manulife TEDA Fund baut seine Investmentforschungsplattform auf Basis modernster Technologien wie KI und Cloud-Native auf, wobei die Integration von Frontend und Schnittstellen der zentrale Ansatz ist, um multistrategische Geschäfte wie Festzins+, Festzins, ETF, Altersvorsorge-FOF, aktives Management und Quant zu unterstützen.
„Das Investmentforschungssystem ist kein reines Informatisierungs-Backend, sondern eine zentrale Produktionsinfrastruktur, die die Kette ‚Daten – Forschung – Modell – Portfolio – Risiko – Nachbesprechung‘ verbindet“, betonte der zuständige Mitarbeiter der Abteilung für quantitatives und ausländisches Investment von Huatai-PineBridge Fund. Sein Wert liegt einerseits darin, den Forschungsprozess zu standardisieren, reproduzierbar und speicherbar zu machen, und andererseits durch Automatisierung und Intelligenz den Forschungsbereich zu erweitern und den Forschungszyklus zu verkürzen.
Der Wandel auf der Transaktionsseite ist ebenfalls erheblich, was sich vor allem in einem stark gestiegenen Automatisierungsgrad zeigt. Ping An Fund gibt an, dass seine Investmentforschungsplattform schrittweise ein integriertes Framework aufgebaut hat, das die Vorinvestitionsforschung, die Unterstützung während der Anlage und die Analyse nach der Anlage abdeckt, und daraus Subsysteme wie Anlageverwaltung, Forschungsverwaltung, Portfolioanalyse und Risikoleistung abgeleitet hat. Zu den intelligenten Anwendungen gehören die intelligente Befehlserkennung, intelligente Besprechungen und Informationszusammenfassungen.
Auf der Seite der Bewertungsverwaltung ermöglicht die technologiegestützte Unterstützung den Übergang von qualitativen zu quantitativen und nachverfolgbaren Abläufen. Yongying Fund erläuterte, dass die Verwaltung der Forschungsarbeit in das System integriert wurde, wodurch quantitative Messstandards hinzugefügt wurden, die mehr zuverlässige objektive Indikatoren für die Bewertungsverwaltung des Teams liefern. Fullgoal Fund hat einen relativ vollständigen Mechanismus für die Leistungsattribution und die Bewertungsverwaltung der Investmentforschung aufgebaut und bietet systemische Unterstützung bei der Bewertung der Breite und Tiefe von Forschern sowie der Leistungsattributionsanalyse und Bewertung von Aktien- und Festzins-Anlagemanagern.
Compliance-Risikokontrolle ist in den gesamten Prozess der Investitionsentscheidung eingebettet
Vor dem Hintergrund strengerer Regulierung und der Durchdringungsregulierung als Normalzustand wird die Compliance-Risikokontrolle durch Technologie vorverlagert und in den gesamten Prozess der Investitionsentscheidung eingebettet.
Laut Angaben von China Merchants Fund wird in seinem Investmentforschungssystem der Grundsatz eingehalten, dass Compliance-Risikokontrollregeln Vorrang vor Modellentscheidungen haben. Für Regeln wie die Konzentration der Beteiligungen, Liquiditätsbeschränkungen, fairer Handel, Anlagebereich und Genehmigungsgrenzen wird eine strenge Kontrolle über eine spezielle Regel-Engine durchgeführt, die von KI nicht eigenständig geändert, umgangen oder ersetzt werden kann. Das Unternehmen hat mehrschichtige Verteidigungslinien aus Vorwarnung, Echtzeitüberwachung während des Prozesses und Nachanalyse aufgebaut, mehr als 60 selbst entwickelte Risikokontroll-Dimensionspools in Betrieb genommen und die Rechenleistung nach der Cluster-Modernisierung der Echtzeit-Engine um etwa 30 % gesteigert.
GF Fund hat die Compliance-Risikokontrolle bereits bei der Systemgestaltung als Modul festgelegt, das „eingebettet“ werden muss und den gesamten Prozess vor, während und nach der Anlage durchzieht. In allen wichtigen Geschäftsabschnitten werden Risikokontrollregeln wie Bewertung, Konzentration und Qualifikation automatisch geprüft, Echtzeit-Warnhinweise angezeigt oder strenge Blockierungen vorgenommen. Nach dem Prozess werden die Daten synchron gespeichert, sodass Regeln konfigurierbar, Prozesse nachverfolgbar und Ergebnisse rückverfolgbar sind.